基于可分离式残差三维稠密卷积的高光谱分类方法技术

本发明专利技术公开了一种基于可分离式残差三维稠密卷积的高光谱分类方法，包括：将经过数据预处理的一系列高光谱样本图像直接作为输入数据输入网络；通过残差三维可分离式稠密卷积提取高光谱图像的空谱特征；进行批归一化、dropout、全连接操作，提高特征的可分性，减少模型参数数量，降低模型训练难度，接着将输出数据通过softmax分类器预测，得出分类的结果。本发明专利技术利用三维残差分离稠密卷积网络提取高光谱立方体的空谱特征，每个单元的输出与下一个单元种每个单元的输出建立短连接，实现信息传递，最后经过softmax分类器，达到分类效果，实验结果表明，该分类精度比现有的算法效果有了显著的提升。

Hyperspectral classification based on separable residual 3-D dense convolution

【技术实现步骤摘要】
基于可分离式残差三维稠密卷积的高光谱分类方法
本专利技术属于高光谱图像分类的
，尤其涉及一种基于可分离式残差三维稠密卷积的高光谱分类方法。
技术介绍
高光谱遥感图像(Hyperspectralimage)是通过一种将光谱技术和图像技术相结合的一种高分辨率图像，高光谱图像在近年来在军事，农业，地理检测，环境监控等诸多领域都有相当大的作用。高光谱图像的分类是当前研究的热点问题之一。高光谱图像包含了许多光谱通道，维度高是它的一大特点。它还具有光谱混合的特性，即在二维空间信息的基础上加入一维光谱信息，带宽小于10nm。图像中的每个波段，都是二维图像。光谱空间中的每个像素反映为连续的曲线。一般来说，高光谱遥感科学的目的是利用数百个光谱波段来获取数据，以便于同时提供详细的光谱和空间信息。因此，高精度对于HIS特别有用。利用高光谱图像进行地物分类，目标识别，目标检测，都是研究热点。因此，开展高光谱遥感技术的研究具有十分必要的作用和意义。近年来，国内外学者提出了多种高光谱图像的分类专利技术的方法。许多与机器学习相关的图像处理技术都被应用于高光谱分类中。大本文档来自技高网...

【技术保护点】
1.基于可分离式残差三维稠密卷积的高光谱分类方法，其特征在于，包括以下步骤：/n步骤1：将经过数据预处理的一系列高光谱样本图像直接作为输入数据输入网络；/n步骤2：通过残差三维可分离式稠密卷积提取高光谱图像的空谱特征；/n步骤3：进行批归一化、dropout、全连接操作，提高特征的可分性，减少模型参数数量，降低模型训练难度，接着将输出数据通过softmax分类器预测，得出分类的结果。/n

【技术特征摘要】
1.基于可分离式残差三维稠密卷积的高光谱分类方法，其特征在于，包括以下步骤：
步骤1：将经过数据预处理的一系列高光谱样本图像直接作为输入数据输入网络；
步骤2：通过残差三维可分离式稠密卷积提取高光谱图像的空谱特征；
步骤3：进行批归一化、dropout、全连接操作，提高特征的可分性，减少模型参数数量，降低模型训练难度，接着将输出数据通过...

【专利技术属性】
技术研发人员：邱云飞，吕舜尧，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁;21